[发明专利]一种基于自动样本标注的闭环实体抽取方法

权利要求书

1.一种基于自动样本标注的闭环实体抽取方法，其特征在于，所述方法包括：

A构建种子词库，将领域相关的实体种子词导入词典，存储到数据库中；

B选取在词典中相关行业领域的实体种子词，然后使用词向量的方法找到关联词，在语料库中通过倒排索引摘取出相关的语料集，进行程序自动标注，生成训练的数据集；

C把实体识别的训练集数据导入到程序中并通过BiLSTM-CRF算法进行模型训练操作，生成实体提取的模型；

D将待检测数据集输入导入模型中，进行实体识别，并根据识别结果，判断模型的性能；

E将筛选后的实体词导入词典中，在下一次训练时标注训练数据集。

2.如权利要求1所述的基于自动样本标注的闭环实体抽取方法，其特征在于，所述步骤B中语料集的自动标注格式为B-*，I-*,O，其中B表示该实体的首部，I表示实体短语的中间部分，O表示不是实体。

3.如权利要求1所述的基于自动样本标注的闭环实体抽取方法，其特征在于，所述步骤C中：BiLSTM-CRF算法包括：

将输入的词转化为向量，随机初始化的embedding矩阵将句子的每个字由one-hot向量映射为低维稠密的字向量；并将获取的字向量进行dropout操作；

将获取的字向量数据结果作为双向LSTM神经网络隐藏层的输入，经过多层神经元的处理，获取双向LSTM神经网络的输出数据；

将双向LSTM神经网络的输出结果作为CRF算法的输入端；

调整训练过程中参数，获得实体识别模型。